6月20日，CVPR 2021自動駕駛研討會（Workshop on Autonomous driving）揭曉了本年度谷歌無人駕駛公司W(wǎng)aymo開放數(shù)據(jù)集挑戰(zhàn)賽的最終結(jié)果，地平線感知算法團(tuán)隊(duì)?wèi){借AFDetV2模型獲得了實(shí)時3D挑戰(zhàn)項(xiàng)目的第一名，另一個模型則榮獲Most Efficient Model（最高效模式）頭銜。這是繼2020年榮獲5項(xiàng)挑戰(zhàn)中4項(xiàng)全球第一后，地平線再次摘得桂冠。

在實(shí)時2D挑戰(zhàn)項(xiàng)目中，中國的零跑汽車團(tuán)隊(duì)在2D實(shí)時檢測挑戰(zhàn)賽中斬獲了第一名。

每項(xiàng)挑戰(zhàn)的得獎團(tuán)隊(duì)獲得1.5萬美元現(xiàn)金獎勵，第二名團(tuán)隊(duì)獲得5000美元，第三名團(tuán)隊(duì)獲得2000美元。

地平線再次奪冠

研討會精彩紛呈

CVPR 2021自動駕駛研討會旨在聚集學(xué)術(shù)界和工業(yè)界的研究人員和工程師，討論自動駕駛感知的最新進(jìn)展。為期一天的研討會包括論文發(fā)布、特邀演講和技術(shù)基準(zhǔn)挑戰(zhàn)，以展示當(dāng)前的技術(shù)水平以及計(jì)算機(jī)視覺在自動駕駛中的局限性和未來方向，以及計(jì)算機(jī)視覺和人工智能（AI）最有前途的應(yīng)用。

演講者

論文的主題包括：自主導(dǎo)航與探測；基于視覺的高級駕駛輔助系統(tǒng)、駕駛員監(jiān)控和高級接口；無人機(jī)和水下機(jī)器人視覺系統(tǒng)；車輛技術(shù)中的深度學(xué)習(xí)、機(jī)器學(xué)習(xí)和圖像分析技術(shù)；車輛應(yīng)用性能評估；采集系統(tǒng)（如相機(jī)、雷達(dá)、激光雷達(dá)）的車載校準(zhǔn)；三維重建與理解；基于視覺的定位（例如，位置識別、視覺里程計(jì)、SLAM）等。

群雄逐鹿，方顯英雄本色

自動駕駛（AD）將對人們的日常生活產(chǎn)生了重大影響，開發(fā)自動化車輛已成為工業(yè)界和學(xué)術(shù)界的核心興趣所在。隨著人們在這一領(lǐng)域的發(fā)力，與AD相關(guān)的所有技術(shù)都取得了長足進(jìn)步。

那么，怎樣要證明一家公司在自動駕駛領(lǐng)域的實(shí)力呢？答案是：來Waymo開放數(shù)據(jù)集挑戰(zhàn)賽一決高下！

作為全球自動駕駛公司王者，2020年3月，Waymo首次在CVPR自動駕駛研討會期間舉辦Waymo開放數(shù)據(jù)集挑戰(zhàn)賽，宗旨是以模型導(dǎo)向，以算法為王。Waymo首席科學(xué)家兼項(xiàng)目負(fù)責(zé)人Drago Anguelov表示：“我們的數(shù)據(jù)集是有史以來規(guī)模最大、場景最豐富、最多樣化的自動駕駛數(shù)據(jù)集之一?！?

大規(guī)模數(shù)據(jù)收集

作為自動駕駛領(lǐng)域中算法研發(fā)方面最著名的國際性大賽，本屆Waymo開放數(shù)據(jù)集挑戰(zhàn)賽旨在鼓勵對感知與行為預(yù)測進(jìn)行新的研究。為此，Waymo開放了其自動駕駛車輛在25個城市收集的超過1000萬英里、570個小時的自動駕駛道路數(shù)據(jù)，超10萬個城市真實(shí)場景。大賽吸引了包括清華、滴滴、賽靈思、伯克利、德克薩斯大學(xué)、南洋理工大學(xué)等在內(nèi)的30余支學(xué)術(shù)界和產(chǎn)業(yè)界頂尖自動駕駛研發(fā)團(tuán)隊(duì)的參與。

為了解計(jì)算機(jī)視覺算法在解決自主駕駛環(huán)境感知問題方面的現(xiàn)狀，主辦方提出了兩個挑戰(zhàn)，準(zhǔn)備了由Waymo和Argo-AI收集和注釋的大規(guī)模數(shù)據(jù)集。基于這些數(shù)據(jù)集定義了許多現(xiàn)實(shí)問題，鼓勵業(yè)界為自動駕駛發(fā)明新的算法。Waymo開放數(shù)據(jù)集挑戰(zhàn)賽共設(shè)四個現(xiàn)場項(xiàng)目，包括動態(tài)預(yù)測、關(guān)聯(lián)預(yù)測、實(shí)時2D檢測及實(shí)時3D檢測。

• 運(yùn)動預(yù)測挑戰(zhàn)：給定實(shí)體（agent）對應(yīng)地圖上過去1秒的軌跡，在未來的8秒鐘內(nèi)預(yù)測最多8個實(shí)體的位置。

• 交互預(yù)測挑戰(zhàn)：給定實(shí)體在對應(yīng)地圖上過去1秒的軌跡，預(yù)測2個交互實(shí)體在未來8秒內(nèi)的共同未來位置。

• 實(shí)時3D檢測：給定三幅激光雷達(dá)測距圖像和相關(guān)攝像頭圖像，為場景中的對象生成一組3D直立框。

• 實(shí)時2D檢測：給定一組攝像頭圖像，為場景中的對象生成一組2D框，有延遲要求。

力壓賽靈思奪得頭籌

地平線連續(xù)兩年參加Waymo自動駕駛算法挑戰(zhàn)賽，連續(xù)兩年斬獲殊榮。相比上屆，本屆Waymo比賽實(shí)時3D檢測難度更高，實(shí)時性要求更接近實(shí)際場景。結(jié)果，地平線力壓賽靈思、德克薩斯大學(xué)等公司和高校團(tuán)隊(duì)，其AFDetV2模型奪得實(shí)時3D檢測第一名。該項(xiàng)目要求實(shí)時性，在小于70毫秒時間內(nèi)精度最高者為第一名。地平線提交的另一模型AFDetV2-Base摘得Most Efficient Model稱號，是速度最快的模型，同時模型精度大于70APH。

CVPR 2021公布獲獎頁面

值得一提的是，地平線連續(xù)兩年參加3D物體檢測項(xiàng)目，去年的模型至今為止仍是Waymo競賽榜單（LeaderBoard）上檢測精度最高的模型；而今年的模型在實(shí)時性檢測的榜單上又名列第一。同時擁有3D物體檢測精度最高和實(shí)時性最高的3D物體檢測模型，充分體現(xiàn)了地平線世界領(lǐng)先的算法實(shí)力。

感知能力是自動駕駛的起點(diǎn)和基石。地平線通過“算法+芯片”軟硬結(jié)合，面向智能駕駛場景，聚焦視覺感知，提供智能駕駛核心解決方案。地平線團(tuán)隊(duì)此次在實(shí)時3D檢測項(xiàng)目的表現(xiàn)展現(xiàn)了其高水準(zhǔn)的智能感知能力。一系列關(guān)鍵技術(shù)實(shí)現(xiàn)不僅是地平線團(tuán)隊(duì)對先進(jìn)算法的創(chuàng)新性運(yùn)用，也體現(xiàn)了其強(qiáng)大的工程能力，能夠在貼合實(shí)際應(yīng)用場景的前提下，實(shí)現(xiàn)高精度、低延遲，不斷提升感知的準(zhǔn)確性。

攻克模型運(yùn)用關(guān)鍵技術(shù)難點(diǎn)

實(shí)時3D對檢測精度和速度都有極高的要求。如何能夠最有效利用計(jì)算資源是此次競賽的核心問題。

憑借對3D物體檢測的多年技術(shù)積累，在模型設(shè)計(jì)上，地平線團(tuán)隊(duì)選擇了無錨單階段（Anchor-free Single-stage）目標(biāo)檢測方向，這與去年提出的核心算法AFDet的思路一致。在修改算法的基礎(chǔ)上又做了一系列提升，包括：加入基于交并比預(yù)測（IoU-prediction）的重打分（rescoring），以解決分類熱圖（classification heatmap）與定位圖（localization map）的不重合（mis-alignment）問題；在RPN（風(fēng)險順序數(shù)）環(huán)節(jié)中加入自校準(zhǔn)卷積（self-calibrated convolution），提升網(wǎng)絡(luò)的感受野（receptive field），更好地處理語義信息；在訓(xùn)練的監(jiān)督中加入特征點(diǎn)（keypoints）的輔助分支；同時在模型訓(xùn)練的最后階段利用隨機(jī)加權(quán)平均（stochastic weight averaging）進(jìn)一步提升模型的泛化性。這些技術(shù)大幅提升了原有模型的檢測精度，且所增加的計(jì)算量基本上可以忽略。

據(jù)介紹，為了滿足實(shí)時性要求，地平線分析了模型中每個部分的耗時，發(fā)現(xiàn)模型的前處理部分和特征提取部分是實(shí)時性瓶頸。對此，團(tuán)隊(duì)做了算法和工程方面的改進(jìn)：首先調(diào)整了特征提取網(wǎng)絡(luò)結(jié)構(gòu)，憑借經(jīng)驗(yàn)在原有網(wǎng)絡(luò)基礎(chǔ)上做了網(wǎng)絡(luò)結(jié)構(gòu)搜索（network architecture search），最終選擇了“減少前端殘差網(wǎng)絡(luò)（residual block）數(shù)量，且減少Z方向上采樣卷積數(shù)量”的網(wǎng)絡(luò)結(jié)構(gòu)，在精度和速度上做了平衡；接著，對前處理部分的體素化（voxelization）做了并行處理優(yōu)化，釋放了原有算法中對每個體素中點(diǎn)數(shù)的限制，極大地提升了（速度提升17毫秒）處理效率；最后，把模型中的批量標(biāo)準(zhǔn)化（batch norm）參數(shù)融合進(jìn)卷積參數(shù)，進(jìn)一步提升了模型速度。

這些關(guān)鍵技術(shù)的實(shí)現(xiàn)是該團(tuán)隊(duì)對先進(jìn)算法的創(chuàng)新性運(yùn)用，也是其強(qiáng)大工程能力的體現(xiàn)。

造車新勢力也有斬獲

在Waymo挑戰(zhàn)賽上，零跑汽車獲得自動駕駛算法挑戰(zhàn)賽2D實(shí)時檢測第一名。得益于視覺識別技術(shù)的沉淀與經(jīng)驗(yàn)積累，零跑團(tuán)隊(duì)取得了不錯的成績。2D實(shí)時檢測賽道主要考驗(yàn)選手兩個方向，一是算法模型對障礙物檢測分類的準(zhǔn)確性；二是算法模型在設(shè)備上跑的速度能否達(dá)到實(shí)時性。

零跑汽車獲得2D第一名

此前，還真沒有聽說過零跑汽車，現(xiàn)在才知道這是一家擁有IT基因，屬于“IT人造車”的汽車公司。其自詡為創(chuàng)新型智能電動汽車企業(yè)，是擁有智能電動車完整自主研發(fā)能力的整車廠家。

零跑汽車由浙江大華技術(shù)股份有限公司及其主要創(chuàng)始人共同投資成立，始終堅(jiān)持核心技術(shù)的自主研發(fā)，致力于打造高品質(zhì)、國際化、具有核心技術(shù)能力的全球主流智能電動車品牌。

自研芯片的零跑汽車

去年，零跑汽車發(fā)布了首款完全自主知識產(chǎn)權(quán)的智能駕駛芯片——凌芯01。該芯片由零跑汽車攜手國內(nèi)芯片企業(yè)耗時3年聯(lián)合開發(fā)，據(jù)稱處理性能接近市場頂尖的Mobileye芯片。

據(jù)介紹，凌芯01整體開放性更強(qiáng)，既能支撐通用運(yùn)算，又有特定的AI運(yùn)算邏輯，具有能耗比更低、安全可靠性更高的優(yōu)勢。凌芯01的核心CPU處理器采用了阿里旗下平頭哥半導(dǎo)體公司提供的“玄鐵C860”處理器，集成高性能的AI神經(jīng)元處理器，全面提升芯片核心處理速度與效率。

此外，凌芯01可通過PCIE級聯(lián)技術(shù)，實(shí)現(xiàn)多片組合形成計(jì)算平臺，提供更強(qiáng)大的AI算力。凌芯01支持接入12路攝像頭來實(shí)現(xiàn)2.5D的360°環(huán)視，并可支持自動泊車、ADAS智能駕駛輔助域控制，以及接近L3級別的自動駕駛算力，充分滿足用戶對于車輛智能駕駛與主被動智能安全的行車需求。

作為零跑汽車首款高端純電動SUV車型，零跑C11將率先搭載凌芯01，采用整套完全自主知識產(chǎn)權(quán)的智能駕駛解決方案，從芯片級打通整個智能駕駛系統(tǒng)。C11出自零跑自主開發(fā)的純電模塊化C架構(gòu)，配備海格力斯三合一電驅(qū)系統(tǒng)，搭載最新一代高通驍龍8155平臺的三聯(lián)屏智能車機(jī)，搭載Leap Cloud系統(tǒng)。此外，C11還配備有藍(lán)牙鑰匙、人臉識別、適配個性化調(diào)節(jié)、智能空氣凈化系統(tǒng)，為消費(fèi)者帶來極致的智能化體驗(yàn)。

零跑自品牌創(chuàng)立以來，始終堅(jiān)持核心技術(shù)的自主研發(fā)。在技術(shù)儲備方面，零跑是國內(nèi)極少數(shù)擁有智能電動汽車完整自主研發(fā)能力并掌握核心技術(shù)的廠家。

芯片是自動駕駛的基石

新一輪科技革命和產(chǎn)業(yè)變革將推動自動駕駛產(chǎn)業(yè)再上新臺階。早在2010年，地平線創(chuàng)始人兼CEO余凱博士便帶領(lǐng)團(tuán)隊(duì)斬獲了首屆ImageNet圖像識別評測第一名，被譽(yù)為“最懂算法的AI芯片公司”，如今在Waymo挑戰(zhàn)賽再次蟬聯(lián)第一，而中國的造車新勢力也已躋身其中，這不能不說是中國汽車芯片及算法領(lǐng)域的一件幸事。

可以說，這兩家公司不只是學(xué)霸，而是實(shí)績有目共睹。搭載地平線征程芯片的已有長安、奇瑞螞蟻、智己汽車、廣汽AION Y、嵐圖FREE、江淮汽車思皓QX、廣汽傳祺GS4 Plus、上汽大通MAXUS MIFA、2021款理想ONE等車型。而凌芯01是自研自用，上車也不是問題。

我們期待，未來這樣的芯片廠商和車企從底層芯片賦能，加快開發(fā)自主智能駕駛算法，加速智能駕駛的落地進(jìn)程。